Nalezení, sledování a redetekce hráčů florbalu z více kamer

Miroslav Purkrábek

Discovery, tracking and redection of floorball players from multiple cameras

Type of document

diplomová práce
master thesis

Author

Miroslav Purkrábek

Supervisor

Matas Jiří

Opponent

Franc Vojtěch

Field of study

Umělá inteligence

Study program

Otevřená informatika

Institutions assigning rank

katedra počítačů

Rights

A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html

Metadata

Show full item record

Abstract

Tato práce představuje nový systém pro sledování osob bez dozoru. System se zaměřuje na sledování hráčů ve sportovních videích, zejména florbalu, za použití více kamer z různých úhlů. Nový způsob výběru negativní třídy za použití časových omezení nám umožnil natrénovat identifickační síť bez anotovaných dat. Navržená metoda generuje tracklety s malým počtem výměn identity a je vhodná pro generování anotací. K práci přikládáme kromě kódu i vzorky datasesetu, který jsme pro tuto práci vytvořili.

This thesis proposes a new system for unsupervised person tracking by detection. The system focuses on tracking players in sports video, specifically floorball, using multiple cameras with different viewing angles. The new hard-negative mining technique leveraging time constraints enables us to train the identification network without labelled data. The proposed method generates tracklets with a low level of ID switches, and it is appropriate for generating labelled data for supervised training. Samples from the newly created dataset, which we used for evaluation, are attached to the thesis along with the code.